kAIgentic je tvrtka sa sjedištem u Singapuru koja pruža poslovna AI SaaS rješenja i pomaže složenim organizacijama koje se oslanjaju na znanje pretvoriti prešutno operativno znanje u upravljane AI agente. Njena platforma objedinjuje konfiguraciju agenata, dijagnostičku analizu ljudi, sustava i procesa te izvršno okruženje za uvođenje uz ljudski nadzor, telemetriju i kontinuirano poboljšavanje. Tvrtka vuče korijene iz Japana i surađuje s poslovnim subjektima iz sektora financijskih usluga. Usmjerena je na pouzdanost, usklađenost s propisima i praktičnu modernizaciju umjetne inteligencije za regulirana poduzeća, bez potrebe za potpunom zamjenom postojećih sustava.
Softverski inženjer, istraživanje umjetne inteligencije — hibridno u Bengaluruu
Gradite poslovnu AI infrastrukturu za inteligenciju dokumenata, GraphRAG, sustave dohvaćanja i sigurne integracije više agenata. Uloga objedinjuje produkcijsko inženjerstvo s primijenjenim istraživanjem umjetne inteligencije.
Opis
- Razvijati cjelovite cjevovode za unos dokumenata koji obrađuju rasporede, tablice, skenirane dijagrame i ugradnje dugog sadržaja
- Izrađivati sustave ekstrakcije pomoću LLM-a ograničene shemom, s tipiziranim shemama, validacijskim petljama te automatiziranim popravkom ili ponovnim slanjem upita
- Voditi inženjerstvo dohvaćanja kroz hibridno pretraživanje, ponovno rangiranje i proširivanje upita
- Graditi grafove znanja i cjevovode za razrješenje entiteta pomoću Neo4ja ili usporedivih spremišta grafova svojstava radi podrške dohvaćanju GraphRAG-a
- Jačati utemeljenost kombiniranjem spremišta terminologije s generiranjem u petlji dohvaćanja
- Surađivati s proizvodnim i istraživačkim timovima na uspostavi skupova podataka za evaluaciju, kriterija ocjenjivanja i regresijskih kontrola
- Razvijati orkestraciju više agenata po modelu planer-izvršitelj i usmjeravanje alata pomoću izvornih SDK-ova
- Voditi MCP integracije i integracije agent-agent sa sigurnim ugovorima, granicama autentifikacije i prosljeđivanjem konteksta između usluga
Zahtjevi
- Dokazan uspjeh u isporuci produkcijskih AI sustava u Pythonu uz snažno tipiziranje, sveobuhvatne testove i asinkroni dizajn cjevovoda
- Način rada usmjeren na brz razvoj uz podršku umjetne inteligencije
- Napredno razumijevanje promptiranja LLM-a, ekstrakcije temeljene na shemi i automatiziranih petlji za popravak
- Stručnost u gustim ugradnjama, hibridnom pretraživanju, ponovnom rangiranju i proširivanju upita
- Iskustvo u radu s bazama podataka grafova svojstava poput Neo4ja te u izgradnji cjevovoda za razrješenje entiteta i GraphRAG
- Praktično iskustvo s arhitekturama utemeljenja, spremištima terminologije i generiranjem u petlji dohvaćanja
- Vladanje alatima za orkestraciju više agenata poput LangGrapha ili OpenAI Agents SDK-a te sigurnim obrascima integracije MCP-a ili A2A-e
- Iskustvo u dizajniranju skupova podataka za evaluaciju, izradi ocjenjivača i implementaciji regresijskih testova pomoću alata za praćenje poput Langfusea
- Dobar prosudbeni osjećaj pri usklađivanju istraživačkih ciljeva s proizvodnim zahtjevima
- Sposobnost jasne komunikacije s inženjerima, voditeljima proizvoda i višim dionicima
Pogodnosti
- Značajno vlasništvo nad poslom od samog početka
- Prilike za učenje i razvoj uz iskusne lidere iz velikih poduzeća
- Kultura utemeljena na povjerenju koja podupire psihološku sigurnost, otvoreno neslaganje i disciplinirano eksperimentiranje
- Rad s kolegama iz Singapura, Indije, Japana, Europe i Sjedinjenih Država